【技术类】【PM2.5系列】测的就是你——聊聊PM2.5监测方法（下）

上回咱们说了几种气溶胶监测方法，咱们先来回顾一下，有传统的暗像元方法，有将FY -3A与MODIS数据协同反演AOD的新方法，也有将环境一号小卫星高光谱数据(HJ-1A HSI)与EOS MODIS数据相联合反演气溶胶光学厚度(AOD)的方法。

这回咱们回到最初的地方，发表的那条微博，一切皆因它起。


中国部分省市PM2.5年均浓度时间走势图（2001-2010）

该图揭示的是中国2001-2010年间部分省市PM2.5年均浓度走势图，从图上可以看出，山东、河南两省的PM2.5污染最为严重。北京、上海、广东的PM2.5年均浓度虽然在过去三年有所下降，但是在过去九年里基本都维持在一个较为稳定的水平上。西藏、内蒙等西部欠发达省份的细颗粒污染浓度最低。事实胜于雄辩，北京的空气质量还是相对来说比较良好的嘛~

好了，这个时候我知道你又得说，结果究竟是怎样得到的呢？首先利用卫星搭载设备对气溶胶光学厚度（AOD）进行测定，再辅助各省市的PM2.5浓度指标进行最终的空气质量评估。PM2.5浓度指标以各省市的平均大气污染暴露浓度表示。将全省分成一定的网格区域。各网格内根据卫星数据得出的PM2.5浓度乘以该网格内居民占全省人口总数的百分比，即计算所有网格区域的大气污染暴露浓度的人口加权平均值后便得到人口加权大气污染暴露水平。

换句话说呢，相对于郊区或人口稀少地区而言，人口稠密地区在全省PM2.5平均值中所占比重更大。该方法充分考虑了地广人稀的低污染地区以及人口稠密的高污染环境（或者反之）的情况。

因此，人口加权值更注重可吸入颗粒物对居民的实际影响。简而言之就是，通过这些数字可以了解中国某省普通居民某天所承受的一般空气质量情况。俗话说的好“人无完人，金无足赤”，任何理论模型都存在不确定因素，利用卫星进行AOD观测时，如果遇到积雪或沙漠等地表亮度较高的情况，其准确度就会受到影响。同时，该方法也无法提供污染物的垂直分布信息，因此，监测的不确定性大约在±25%之间，即误差在每立方米6.7毫克左右。

情况就是这么个情况，方法就是这么个方法。再说点啥呢？前面说了PM2.5的基础知识，监测方法，又对微博中的疑问进行了解释。总觉得理论过于空洞，那些原理确实高深，但好像离我们又很遥远，我们可以通过简单的方法，不求宏观把握全球、全国的PM2.5浓度，只求监测你我呼气的这片空气吗？下次再来告诉你。
文章来源：http://blog.csdn.net/arcgis_all/article/details/8239129